Телеграм канал «PuzzleCore»

Synaptic Garden: что происходит в AI-индустрии сегодня и к чему готовиться завтра

Авторский канал ведущего инженера Яндекса об AI, технологиях и меняющейся профессии разработчика. Самые важные новости и анонсы, разборы без воды и хайпа, реально работающие инструменты.

Для тех, кто создает будущее, а не наблюдает за ним: @synaptic_garden

База данных быстрее файловой системы? Оказывается, бывает и такое.

Казалось бы, если нужно хранить тысячи небольших файлов, проще всего положить их в папку. Зачем подключать базу данных, если это дополнительная прослойка?

Разработчики SQLite решили проверить это экспериментально.
Они взяли 100 тысяч небольших объектов размером около 10 КБ и сравнили чтение из обычных файлов с чтением из SQLite.
Результат оказался неожиданным:
— SQLite читала данные примерно на 35% быстрее.
— Хранение в базе потребовало примерно на 20% меньше места.

Причина интересная. Открытие и закрытие каждого отдельного файла требует системных вызовов, а хранение маленьких файлов приводит к дополнительным расходам дискового пространства. SQLite умеет упаковывать множество небольших объектов внутри одного файла.

📖 Эксперимент разработчиков SQLite

ИИ стал писать больше кода. А разработка быстрее не стала?

Попалось довольно интересное исследование двух учёных из Гарварда — Fiona Chen и James Stratton. Они решили проверить, как внедрение ИИ влияет на реальную работу команд разработки.
Для этого изучили около 300 миллионов событий в 718 компаниях за период с 2021 года по март 2026-го. Анализировали коммиты, pull request'ы, закрытые задачи и работу с ИИ-инструментами.

Результаты после внедрения ИИ-агентов получились любопытные:
На 30% больше написанных строк кода.
На 20% больше коммитов.
На 23% больше pull request'ов.
На 49% увеличилось время от создания PR до его слияния.
На 35% выросло количество комментариев при ревью.
Причём доля PR, которые отправляли на доработку, выросла примерно с 13% до 25%.

Статистически значимого увеличения количества закрытых задач и эпиков исследователи не обнаружили.
Получается, кода стали писать больше, изменений тоже, а вот сопоставимого прироста готового результата пока не видно.
Авторы связывают это с узким местом в процессе разработки — проверкой кода. Агент может быстро написать реализацию, но её ещё нужно проверить, исправить замечания, протестировать и довести до рабочего состояния.
Правда, тут есть нюансы. Те самые 49% — это время от создания PR до слияния, а не непосредственно часы, потраченные разработчиком на ревью. Да и само исследование основано на наблюдениях, а не контролируемом эксперименте. Поэтому говорить, что ИИ делает команды медленнее, было бы неправильно.

И возникает вопрос: а что вообще считать продуктивностью разработчика в эпоху ИИ? Количество написанного кода или количество задач, действительно доведённых до результата?

Оригинал исследования: Artificial Intelligence in the Firm: Bottlenecks in Software Production

Проверили Codex Harness: где он держит, а где его обходят

Это хуки для Codex: после каждой правки гоняют Ruff и Flake8 и не пускают ухудшения кода. Мы прогнали 13 сценариев. Новый лишний import, раздутую старую функцию и попытку ослабить правила — блокирует. А # noqa и правки через shell проходят. Главная дыра: если после блока агент не исправил код, а правит дальше, ошибка тихо уходит в «старый долг».

Роман, всё вышло: репост вашего поста и наш разбор — telemetr.me/faktosborka/323. Будем рады вашему репосту к себе 🙌